自掀起大語言模型浪潮以來，國內(nèi)外已涌現(xiàn)出多款AI工具，但這些大模型由于在成本、本土化、安全性等方面的不足，在我國數(shù)字政府中的實際應用仍然有限，尚處于探索階段。而近期備受關(guān)注的DeepSeek系列模型則因其在工程技術(shù)上的創(chuàng)新，為數(shù)字政府建設(shè)提供了新的技術(shù)選擇，并可能進一步促進公共治理模式的深層變革。以DeepSeek為代表的本土開源大模型在技術(shù)特性上契合了當前我國數(shù)字政府建設(shè)的哪些需求？帶來了哪些機遇？具有哪些潛在應用場景，有望為公共治理帶來哪些方面的變革？“深度探索”能否真正“深度嵌入”公共治理，而不只是趁熱“接入”，又可能遇到哪些方面的風險與挑戰(zhàn)？下文將就這些問題進行展望與探討。

一、DeepSeek的技術(shù)特性與我國數(shù)字政府建設(shè)需求的契合

（一）低成本實現(xiàn)

隨著數(shù)字政府建設(shè)的深入推進，如何在有限的財政經(jīng)費約束下實現(xiàn)智能化升級，已成為各級政府面臨的重要命題。DeepSeek模型在工程技術(shù)路線上的創(chuàng)新為解決這一難題提供了新的可能。該模型采用了多層次注意力機制（Multi-Level Attention, MLA）和混合專家系統(tǒng)（Mixture of Experts, MoE），顯著降低了計算資源需求，使得模型訓練和部署的硬件門檻大幅降低。這種技術(shù)路線使其在保持高性能的同時，相對于傳統(tǒng)大模型將算力成本控制在較低水平，使政府部門可用更經(jīng)濟的預算完成智能化升級，從而突破此前因高昂的技術(shù)成本造成的瓶頸。同時，模型的開源特性又進一步降低了其使用成本，使得各級政府部門可以根據(jù)實際需求與外部技術(shù)團隊合作對模型進行適應性調(diào)整和二次開發(fā)，提高了資源的使用效率。

（二）本土化理解

在數(shù)字政府建設(shè)過程中，場景的智能化水平很大程度上取決于模型對本土化語境的理解深度。DeepSeek模型在中文場景下展現(xiàn)出了較為卓越的理解和推理能力，進一步通過利用中國特有的政務語料進行訓練，將有助于模型更準確地理解各類行政術(shù)語、政策文件和民眾訴求中蘊含的細微語義差異。這種深度的本土化理解能力能使其在公共治理場景中，表現(xiàn)出更強的精準性和適應性。例如，在政策解讀方面，模型有助于更精準地把握政策文本的內(nèi)在邏輯關(guān)系，并結(jié)合本土治理情境作出恰當?shù)耐评砼袛啵辉诿褚夥治鋈蝿罩?，有助于更準確地理解各種方言表達甚至網(wǎng)絡(luò)用語，提高服務準確度；在政務咨詢場景中，也有助于根據(jù)不同群體的表達習慣給出更有針對性的回應。這種本土化的語言理解能力有望提升我國數(shù)字政府建設(shè)的智能化水平，打造“有溫度”“接地氣”的數(shù)字政府。

（三）本地化部署

傳統(tǒng)云端部署模式在涉及敏感政務數(shù)據(jù)時往往面臨安全風險，而DeepSeek模型能夠支持完全的本地化部署，這一特征與數(shù)字政府建設(shè)的安全性要求高度契合。通過將模型部署在內(nèi)部專有環(huán)境中，可以構(gòu)建起物理隔離的安全屏障，消除數(shù)據(jù)外泄的隱患。同時，模型的開源性質(zhì)使得政府技術(shù)團隊能夠深入審查代碼，確保其符合政務安全要求。這種相對透明、可控的技術(shù)特征為數(shù)字政府建設(shè)提供了安全保障。在實際應用中，各地政府可以根據(jù)數(shù)據(jù)安全等級，采用不同等級的訪問控制和加密措施，建立起多層次的安全防護體系。此外，本地部署模式還支持全過程的安全審計，使得政府可以實時監(jiān)控數(shù)據(jù)流轉(zhuǎn)和使用情況，從而能及時發(fā)現(xiàn)和處置潛在的安全隱患。

二、“深度”賦能下的應用場景與治理變革展望

（一）服務交互方式重塑：從菜單式到對話式

首先，以DeepSeek為代表的本土開源大模型憑借其優(yōu)秀的對話理解能力和知識整合能力，有望重塑傳統(tǒng)的政務服務與政民互動方式。公眾與政府部門間的交互將能突破菜單式的傳統(tǒng)導航和結(jié)構(gòu)化檢索的局限，轉(zhuǎn)向更自然、更人性化的人機對話，實現(xiàn)從“菜單式點擊”向“對話式交互”的變遷。模型可通過多輪對話更準確地把握用戶的實際需求，并結(jié)合上下文信息提供更為精準的服務指引，降低群眾辦事的認知負擔。而在處理復雜政務咨詢時，模型也可基于深度語義理解，將群眾的口語化表達更為準確地匹配到相應的政策與服務事項，有助于解決傳統(tǒng)政務咨詢和服務中“群眾不會問、部門答非所問”的痛點。同時，模型強大的跨域推理能力使其能夠自動關(guān)聯(lián)多個業(yè)務領(lǐng)域的政策法規(guī)，為群眾提供“一門式”的咨詢服務，有助于解決傳統(tǒng)模式中“多頭咨詢”的痛點。

（二）政務知識管理革新：從失傳孤立到傳承共享

DeepSeek等模型還有望對政務知識管理體系帶來變革。通過建立智能化的政務知識管理系統(tǒng)，政府可以對分散在各個部門的經(jīng)驗、案例和最佳實踐進行系統(tǒng)化整理和關(guān)聯(lián)分析，促進組織記憶的數(shù)字化重構(gòu)。這種知識管理方式有助于解決公務員因輪崗、離職、退休等人員流動而造成的經(jīng)驗“失傳”問題，通過對日常工作過程的持續(xù)觀察和記錄，公務人員個人積累的隱性知識更有可能被傳承轉(zhuǎn)化為整個組織的知識寶庫，使人人都能迅速成為業(yè)務上的“老法師”。模型還可通過對大量歷史案例的深度學習，總結(jié)出不同類型事務的處理模式和關(guān)鍵要素，為新任公務員提供高效精準的業(yè)務培訓。同時，模型構(gòu)建的知識關(guān)聯(lián)網(wǎng)絡(luò)還有望打破部門間的信息壁壘，促進跨部門知識共享和經(jīng)驗互鑒。這種知識網(wǎng)絡(luò)不僅能夠促進信息的快速流動，還能通過智能算法發(fā)現(xiàn)不同部門之間潛在的業(yè)務協(xié)同點，為跨部門協(xié)作提供新的可能。在政策試點推廣過程中，這種智能化的知識管理系統(tǒng)有助于快速提取和歸納試點經(jīng)驗，為政策在不同地區(qū)的落地提供適宜的本地化建議，以確保政策執(zhí)行的一致性，同時保持對地方特色的適應性?？傊?，通過構(gòu)建動態(tài)更新的知識治理體系，政府組織可以不斷積累和優(yōu)化治理經(jīng)驗，實現(xiàn)組織能力的持續(xù)提升。

（三）政府決策模式躍升：從切片式到立體化

在政府決策支持領(lǐng)域，大模型的深度分析能力可能帶來決策模式的躍升。借助其強大的數(shù)據(jù)處理和多維度分析能力，模型能夠突破傳統(tǒng)決策模式中的單維度、切片式瓶頸，快速整合來自不同領(lǐng)域的海量信息和知識，構(gòu)建起覆蓋經(jīng)濟、社會、民生等多領(lǐng)域的綜合分析框架，從而實現(xiàn)對復雜問題的跨域性、立體化研判。同時，決策者還可通過多情景模擬等方式，預測不同政策選擇可能帶來的影響，從而促進政府決策從靜態(tài)評估向動態(tài)優(yōu)化轉(zhuǎn)變。例如，在公共危機管理中，模型強大的模式識別能力可助力決策者及早發(fā)現(xiàn)風險信號，提供多種應對方案的比較分析，從而提升政府預警和應急處置能力；在民生政策制定過程中，模型可通過對海量民意數(shù)據(jù)的語義分析，把握群眾訴求的深層次規(guī)律，為精準施策提供數(shù)據(jù)支撐。這些優(yōu)勢在城市治理等復雜系統(tǒng)中的潛力尤為明顯，有助于增強政府決策的精準性和預見性，以支持治理目標的實現(xiàn)。

三、從趁熱接入到深度“嵌入”：挑戰(zhàn)與啟示

如上所述，以DeepSeek為代表的新一代本土開源大模型技術(shù)為數(shù)字政府建設(shè)帶來了新的機遇，其技術(shù)特征與我國數(shù)字政府建設(shè)需求具有很高的契合度，低成本實現(xiàn)、本土化理解、本地化部署等技術(shù)特性為各級政府部門的智能化轉(zhuǎn)型提供了更具可行性、精準性和安全性的落地方案，并有助于推動政府在服務交互、知識管理和決策支持等方面的深層次變革。

然而，炫酷的“技術(shù)玩具”并不必然就能成為有效的“治理工具”，“深度探索”被各地政府趁熱“接入”也并不等同于在公共治理場景中已被深度“嵌入”。以DeepSeek為代表的大模型要真正有效嵌入公共治理并產(chǎn)生實際成效，還需要關(guān)注以下幾方面的問題與風險。

首先，在應用場景選擇上存在“找錯釘孔”的風險。技術(shù)能力的升級助推了政府部門以“供給驅(qū)動”取代“用戶驅(qū)動”的傾向，此時要警惕地方政府一味追求“技術(shù)領(lǐng)先”或“概念創(chuàng)新”，不顧實際需求盲目跟風，“手里拿著錘子，看什么都是釘子”，爭相恐后地將大模型這把“智能錘”植入并不必需或并不適合的公共治理場景，造成技術(shù)創(chuàng)新與真實需求的脫節(jié)。這種做法不僅難以命中關(guān)鍵“釘位”，還可能帶來“AI自嗨”，產(chǎn)生大量“AI生成的文字八股”和AI賦能的“表哥表姐”，卻沒有從根本上深層次地解決群眾真心關(guān)心的問題，甚至還可能破壞原來成熟有效的由人工主導的服務和管理方式，最終淪為“數(shù)字炫技”之作，在指尖上的形式主義之后，又帶來新一波“大模型上的形式主義”。

其次，在技術(shù)能力邊界上存在“錘力失效”的可能。盡管近年來人工智能技術(shù)發(fā)展迅猛，但其在知識精確性、邏輯推理嚴謹性等方面仍存在技術(shù)局限。例如，最近根據(jù)Vectara HHEM的人工智能幻覺測試結(jié)果，DeepSeek-R1顯示出14.3%的幻覺率，顯著高于行業(yè)平均水平。同時，在高質(zhì)量公共數(shù)據(jù)集和語料庫的建設(shè)與供給上，也還存在不少體制機制方面的障礙。因此，政府部門也需要清醒地認識到，大模型這把“智能錘”的接入并不能因此就“一錘定音”解決各類公共治理難題，避免陷入“唯技術(shù)論”。

最后，在公共價值規(guī)范上還存在“重錘誤傷”的風險。盡管大模型已在多個領(lǐng)域展示出強大的能力，但也容易因用力過猛造成附帶傷害。例如，大模型可能存在算法偏見，其訓練數(shù)據(jù)中隱含的社會偏見也可能被系統(tǒng)性地放大，導致對特定群體的不公平對待。還可能因違規(guī)或過度收集和使用數(shù)據(jù)語料，影響國家安全，侵犯公民隱私。因此，把握好大模型應用的“尺度”至關(guān)重要，否則，即便AI技術(shù)使效率得到了巨大提升，卻會對公平正義、普惠包容、安全隱私等公共價值和社會倫理造成嚴重損害。

總之，技術(shù)是“賦能者”而不是“決定者”，技術(shù)上可能的不一定就是組織上可行的，更不一定是社會上可接受的。要在數(shù)字政府建設(shè)中讓大模型從趁熱“接入”走向深度“嵌入”，并實現(xiàn)各方可接受的治理成效，不僅要做好技術(shù)判斷，更要做好價值判斷，采取系統(tǒng)而冷靜的策略。首先，要堅持問題導向和需求導向，避免為創(chuàng)新而創(chuàng)新，準確識別和篩選出真正適合大模型應用的政務與治理場景。其次，要客觀認識大模型的能力邊界，合理設(shè)定技術(shù)應用預期，在充分引入AI技術(shù)的同時，持續(xù)提升公務人員運用AI和監(jiān)督AI的能力與素養(yǎng)，既讓AI賦能于人，也讓人做好AI的“把關(guān)人”和“守門員”， 實現(xiàn)人機協(xié)同。最后，要將以人為本、科技向善作為AI時代數(shù)字政府建設(shè)的出發(fā)點和落腳點，在利用AI進行治理的同時做好對AI本身的治理，充分引入社會各方和利益相關(guān)“人”的參與和判斷，在提升效率的同時，守護好公平正義、權(quán)益保護等公共價值。唯有如此，“深度”的技術(shù)進步才能真正落地為“深度”的治理成效，而不僅停留在蹭熱度、淺層次的“接入”。

文章來源：《電子政務》2025年第3期

文章作者：張宏，復旦大學國際關(guān)系與公共事務學院博士研究生，數(shù)字與移動治理實驗室研究助理；鄭磊，復旦大學國際關(guān)系與公共事務學院教授，博士生導師，數(shù)字與移動治理實驗室主任。